计算能效快1000倍！忆阻器芯片到底是什么？它会是吊打GPU的存在吗？【类脑计算系列第一期】

人类花了几十年时间，从容易受干扰的模拟信号时代，转到了现在的数字信号时代，没想到忆阻器又把数字计算芯片转回了模拟计算芯片[doge] 我看到忆阻器的计算原理时，第一时间想到的，就是精度，然后是大规模忆阻器阵列的可行性，现在看来，忆阻器只能是作为一个AI运算的小小补充，它本身的限制还是太多了，你能想象你车子的计算中枢，比你车子的电池还怕高温吗[doge]

♥ 2579 ↩ 125

忆阻器是不精确的，这会很麻烦。在一个芯片上训练好的模型移植到另一芯片时需要再次进行一些训练以适应新芯片。所以，以后卖AI就是神经网络跟着芯片一起卖了，也就是卖实体（这样更好赚钱，因为防盗版）。另外，温度磁场等环境因素可能也会影响效果，估计以后AI出bug时就会有一群人在机房调温、换机器方位等各种“玄学”地碰运气了。 所以，数字计算机是不会被淘汰的，因为程序可以极低成本地复制，然后运行出一模一样的效果。

♥ 1597 ↩ 96

这模拟计算玩意如果实际应用了，排障的画风岂不是一大群工程师在恒温空调房里搞玄学安抚机魂（bushi[笑哭]

♥ 900 ↩ 23

刚参加了一个忆阻器的会，个人认为这东西只适合做特定任务的运算，现在的手势侦测，运动状态，生理特征，车载图像识别这种都做的很好，现在的问题在于为什么要替代传统mos管，性能一样活着强一些省了能量是好的，可这还不足以弥补额外的开销，至于温度的影响我认为可以通过万能的材料学来解决。我对in memory computing的未来是乐观的，但现在还不是它的时代

♥ 682 ↩ 26

12:50 本文的精华[跪了][跪了]

♥ 477 ↩ 28

相当于变回了模拟运算，但采用这样的模拟电路对电流准确性要求极高，也就是说对adc转换系统和采样系统要求极高

♥ 345 ↩ 13

忆阻器的原理好像电子墨水屏，是不是可以根据这个原理做个光电型的[思考]

♥ 319 ↩ 8

忆阻器的结构决定了它不可能替代传统的芯片，虽然它有存储数据的能力，但是它却不能胡乱地存储数据，如果存储了一些与计算无关的数据，那么我们就失去了一些计算单元，因此忆阻器必须要使用传统的芯片来对其内部的数据进行管理，也就是说，有一部分数据必须存储在忆阻器之外。

♥ 411 ↩ 20

说来大家可能不信，我有一个专科的同班同学，他的毕业论文开始写的题目是“关于忆阻器的…”（当然是网上抄的）（当时我人都傻了，当时甚至没听说过）后来老师让他换个题目[吃瓜][笑哭][doge]

♥ 267 ↩ 9

这个用光计算更好

♥ 265 ↩ 12

关于冯诺依曼构架和利用忆阻器阵列进行矩阵运算两个地方，我觉得分别换个角度更贴切一点。 冯诺依曼构架的精髓，并不是把存储和计算分开，恰恰相反，其实是把指令和数据混合在一起，两者都用数字化的数据表示，这样就可以通过将指令组成不同序列来实现完全不同的功能，这些指令序列保存起来就是计算机程序，从而实现了所谓“通用计算机”，区别于那些功能固定、运算流程需要人来完成的计算器。 而忆阻器阵列用于矩阵运算，说是存算一体，不如说是把数字电路重新倒退回模拟电路，即直接利用电流等基本电学物理量的大小表示数字、用电阻或磁的大小用于记忆、用电子器件的特性改变电流等进行计算，这不就是模拟电路吗？并且，这个忆阻器的功能其实也不算新，用一个滑动变阻器加个伺服电机控制滑块位置，不一样能实现电阻记忆？只不过滑动变阻器太大，不能集成进芯片。忆阻器相当于是半导体集成版的滑动变阻器。 所以这整个体系，其实就是模拟电路的回归。虽然数字电路有抗干扰性强、计算可靠无误差的好处，但考虑计算效率的话，还是得模拟电路，或者至少两个结合。 ai计算可以用忆阻器的一个原因，就是人工神经网络和生物神经系统一样，有容错率，它的计算本身也不是完全精确的，所以用模拟电路没有问题，只要误差够小。但我估计这芯片的问题就是复现上有问题——训练好的ai，放不同设备上，结果会有小的差异，就跟生物一样。这在很多时候不是大问题，但某些情况下，比如要求高可靠性，或要求可复盘分析，就是个不利因素。

♥ 456 ↩ 27

你看我能不能这样总结一下：人脑集成量子计算和存储于一身，性能炸裂。 忆阻器目前最靠近人脑工作机制…… 来日方长，轮到咱们领先一波啦[OK]

♥ 239 ↩ 25

好家伙，我们的产品是分布式神经形态计算平台，由分布式的设备组成的大型神经网络。

♥ 214 ↩ 23

我记东西很慢，是不是我含有“忆阻器”的原因， 难道我要崛起了！

♥ 205 ↩ 16

有幸在清华做过一段这方面工作

♥ 150 ↩ 5

消息刚出来的时候就去找了那位副教授的一个半小时ppt来看了， 从兴奋不已到索然无味。 存算一体有很多种解决方案，实装的也有，就是intel的服务器版傲腾内存。 这其中忆阻器甚至不能算是最主流的一个研究方向，因为虽然理论很美好，但实际效能连理论值的零头都到不了。 不过忆阻器芯片最大的好处，带宽超级大，正好有可能解决目前大模型训练最核心的问题。 顺带一提，我们现在玩AI模型的那种训练，其实只是fine-tune，既在训练完成大模型的基础上微调参数， 真正的大模型训练是成百上千乃至数以千计张A100共享显存才能装下的， 模型本身可能没那么大，但是训练过程就是不停迭代反馈上上下下，大规模训练时几十g的模型在显存里可能同时存在几百个。

♥ 155 ↩ 8

所以。。。是不是还是受到了材料的限制[思考] 那么下次改变世界的“革命”，究竟是材料革命，还是算力革命，还是隔壁的能源革命呢。。。

♥ 89 ↩ 17

这里要说一下HP那个历史, HP成功研制出忆阻器后层雄心勃勃地立了一个项目, 名字叫 "The Machine". 就是用忆阻器从底层开始改造制造一台革命性的大机. 结果项目失败, The Machine 也只是用传统冯诺依曼架构来造了一个.

♥ 88 ↩ 11

说不定诞生出光忆阻器，可逆感光材料作为记忆体，从电信号变成光信号，做出微型光脑

♥ 57 ↩ 9

虽然是模拟计算，有误差，但只要误差能控制好，相当于把什么池化、提取特征的各种层概念瞬间一步秒出结果了啊，感觉非常妙。而且显卡GPU方面的什么渲染、光路也可以同理，甚至可以由于误差而直接实现自然界中的随机模糊效果。。。好期待

♥ 50